抗生素耐药性的药物组合总结2026

抗生素耐药性的药物组合总结2026抗生素自20世纪初被发现以来，每日都在拯救无数生命；然而细菌对其耐药性的上升与蔓延，已成为医疗与畜牧业领域的主要隐忧。2019年，全球约有127万人直接死于细菌耐药感染，这一数字超过了艾滋病与疟疾。与此同时，新抗生素的研发在过去数十年间持续放缓。现行临床药敏标准（CLSI、EUCAST）基于最低抑菌浓度（MIC），以肉汤微量稀释与琼脂纸片扩散法测定；药物互作则常以棋盘法评估。但这些以“生长抑制”为核心的指标存在盲区：它们可能忽略可逃避杀菌作用的休眠、持留亚群，也无法反映细菌通过能量耗竭或应激通路产生的耐受——亦即不测量“清除效力”。正是这一局限，促使研究者将目光转向合理设计药物组合疗法。一、交互敏感性（Collateralsensitivity）不同的抗生素耐药突变可能增加病原体对多种抗生素的耐药性——这一现象称为交叉耐药。然而，某些耐药突变也可能同时增强细菌对其他结构类别抗生素的敏感性，这一现象称为交互敏感性。交互敏感性在遏制抗生素耐药方面的治疗潜力已被广泛研究，揭示了复杂的进化权衡网络（图1）。值得注意的是，交互敏感性不仅存在于抗生素之间，也可能涉及抗生素与非抗生素药物的相互作用。这是因为某些噬菌体的裂解依赖于细胞膜蛋白及其他同样参与耐药机制的表面结构。例如，噬菌体U136B依赖外排泵蛋白TolC和脂多糖屏障分子，因此会促使这些耐药机制的丢失，从而使细菌群体重新对抗生素敏感。示意图展示了基于生长抑制的标准肉汤稀释法测定耐药（橙色）与敏感（灰色）菌株最低抑菌浓度（左）及其存活率（右）。在较高、临床相关剂量的抗生素作用预定时间后测定细菌存活。在绿色抗生素存在下，对耐药菌株生长的抑制效果与其敏感对应株并无差异（分别以橙色和灰色圆点强度减弱表示）。然而，生长抑制结果的相似仍留下两种可能：交互敏感性（耐药群体被清除的效率比其敏感对应株高数个数量级），或无互作（两种变异体受同等影响）。需要强调的是，交互敏感性并不总是稳健的——细菌可以通过多种途径获得对同一种抗生素的耐药，而每种可行耐药突变的表型效应可能重叠，也可能不重叠（图2）。事实上，系统性筛选显示，在相同遗传背景、相同抗生素条件下平行进化的群体中，交叉耐药和交互敏感性模式会同时出现。因此，如果采用的交互敏感性配对不够稳健，而交叉耐药又是另一条可行的进化路径，那么这种策略在实际应用中就可能不利。因为即使只有一个罕见的交叉耐药突变，也足以胜过交互敏感性的变异株，最终导致对两种抗生素都从耐药的亚群被选择出来。另一个问题在于，不同遗传背景的菌株会产生不同的交互敏感性表型。带有不同预存突变的菌株，会通过遗传上位性修饰某个耐药突变的表型效应。因此，即使获得的耐药突变完全相同，不同菌株的交互敏感性表型也可能截然不同。例如，比较两种近源细菌中特定耐药突变的表型效应，发现它们的交互敏感性模式可以完全不同。此外，一项覆盖约45万次药敏试验、横跨4年、来自多家医院的回顾性分析显示，交互敏感性在物种层面极少保守——875对抗生素配对中，仅有0.7%表现出交互敏感性。这意味着，利用交互敏感性的治疗策略可能需要对病原体进行菌株级别的鉴定，并且适用的抗生素配对非常有限。因此，找出那些在不同基因组背景下仍然稳健且保守的交互敏感性案例至关重要。交互敏感性的研究和应用还面临另一个障碍：细菌针对抗生素产生的耐药机制，也可能来自患者服用非抗生素药物时的适应过程。这说明，在设计交互敏感性治疗方案时，还需要考虑患者的基础疾病用药。交互敏感性的另一个局限是普遍缺乏清除效力研究，因为常规方法只检测生长抑制，这可能限制了那些真正适用于临床的交互敏感性抗生素配对（图1）。已有研究表明，当比较细菌清除效力与生长抑制时，治疗效果可能会发生变化。耐受与持留机制在不同物种间似乎更加保守，受必需基因（如RpoS）或通用应激通路（如(p)ppGpp系统、ROS与SOS反应）调控。这些机制的保守性意味着，更稳健或更保守的交互敏感性网络，可能只有通过专门且系统地研究抗生素清除效力才能被发现。此外，基于生长抑制的交互敏感性研究通常只能识别出敏感野生型与耐药变异之间最低抑菌浓度的微小变化。这种微小变化可能导致交互敏感性抗生素的有效临床浓度范围非常窄——只有在这样的浓度范围内，耐药突变才会处于反选择压力之下。尽管交互敏感性研究通常只发现抑制浓度的微小变化，但这些细微的反应仍然可以降低突变预防浓度，从而抑制耐药的发展。此外，循环使用或组合使用“稳健双向”的交互敏感性配对，还可以通过限制可用的突变路径，进一步延缓抗生素耐药的进化。一项针对金黄色葡萄球菌的进化研究测试了新霉素、甲氧苄啶与环丙沙星交替治疗的效力，发现环丙沙星与新霉素交替治疗时，环丙沙星耐药的获得速度显著减慢。交互敏感性循环治疗还有助于靶向慢性感染中普遍存在的高传播力病原体。研究表明，囊性纤维化患者携带的高传播力铜绿假单胞菌菌株，已在多个地理区域流行。此外，近期关于铜绿假单胞菌表型趋同的研究发现，即使是高度多样的临床分离株或等基因耐药突变体，也会进化出快速且稳健的交互敏感性模式，似乎可以预测这类治疗的成功。由于既往治疗可能促进稳健交互敏感性的形成，慢性感染中细菌菌株的高度克隆性，可以通过考虑患者的治疗史来加以利用。另一种利用交互敏感性的策略，是靶向高度保守且水平传播的耐药机制（图2）。研究发现，适应β-thujaplicin（一种天然产物提取物，优先选择携带tetA-tetR外排泵操纵子的菌株）会导致该耐药机制丢失，使耐药菌恢复敏感。类似地，移动型β-内酰胺酶（肠杆菌目中最常见的耐药机制）的表达，会在多种亲源关系较远的大肠杆菌菌株中，对粘菌素和阿奇霉素产生稳健的交互敏感性。这些成果为利用交互敏感性组合治疗开辟了道路——不仅可以针对自发产生的染色体突变，也可以针对已经广泛存在的、由质粒介导的移动耐药机制（图2）。本假设性抗生素治疗（橙色药片）作用于异质群体（最左侧烧瓶，以不同深浅灰色细菌表示）展示四种可能结局。A：治疗过程中，初始抗生素敏感细菌群体（灰）通过不同突变（以一系列颜色表示）进化出耐药性。因此，当治疗换为蓝色抗生素时，只有那些带有导致交互敏感性的特定耐药突变的耐药群体部分被清除（橙细菌）。B：若交互敏感性模式稳健且保守，异质群体多数将进化出对橙色抗生素的耐药突变，这些突变对蓝色抗生素造成交互敏感性，故第二次治疗清除该群体。C：然而，若此交互敏感性耐药机制由特定药物（白色片剂）在整个敏感群体中瞬时诱导，则耐药群体可被清除。D：类似原理也适用于环境中质粒上快速传播的耐药决定因子：抗生素治疗导致该耐药质粒（环状DNA）被迅速摄取——这使群体对第二种抗生素高度敏感，从而高效清除群体。交互敏感性也可以通过使用增敏剂来瞬时诱导，从而避免必须依靠稳定进化出耐药性才能利用其多效性（图2）。例如，在铜绿假单胞菌分离株中，可以使用地喹氯铵过表达MexCD-OprJ外排泵，产生与下调因子功能缺失突变相同的效果。这种过表达会导致环丙沙星耐药，但同时稳健地引发对妥布霉素的高度敏感，且不受其他可能耐药突变的干扰。最后，交互敏感性研究的最新进展开发出了一种度量方法，可以利用已有的化学遗传学数据，推断大肠杆菌菌株中的交互敏感性与交叉耐药相互作用。化学遗传筛选通过对细菌敲除文库测定一系列药物的抗菌活性，来预测新的进化相互作用。通过进化实验验证这些推断结果，证实化学遗传学数据能够准确定位那些在实验适应过程中出现并被选择的稳健交互敏感性与交叉耐药机制。将这一预测方法与近期建立的高通量化学基因组学药物活性筛选技术（基于条形码敲除文库）相结合，有望揭示一个庞大的交互敏感性网络——甚至包括抗生素与非抗生素药物之间的交互关系。交互敏感：细菌为抵抗一种药而变异，结果意外变得对另一种药更脆弱。医生可先用第一种药逼细菌变异，再换第二种药将其消灭。缺点是并非所有变异都会产生交互敏感，有时反而会变成交叉耐药，且不同菌株表现差异很大，实际应用受限。二、抑制（Suppression）当两种抗生素以一种看似不利的方式相互作用——其中一种抗生素削弱了另一种的效果，导致联合用药的整体效果弱于单独使用其中任何一种时，这种现象称为抑制（图3）。乍看之下，抑制组合似乎是一个巨大的劣势，因为抗微生物治疗的目标是尽快清除感染。由于抑制会降低所用药物的效力，对于对所用药物敏感的感染而言，抑制组合的效果可能较差，进而延长治疗时间。这一劣势或许可以解释为什么这类组合在科学文献中统计上较少被报道。当患者病情严重，或因任何原因需要迅速清除感染时，抑制性治疗可能并不合适。为了探索联合用药的效力，研究人员已经对已获批的药物库（包括抗生素和非抗生素）进行了筛选，考察它们联合使用对特定病原体的影响。金黄色葡萄球菌中有一个有趣的例子：在测量生长抑制时，蛋白质合成抑制剂会削弱甲氧苄啶的效力——然而，在测量杀菌效力时，这种相互作用并不存在。其次，由于抑制性联合治疗降低了其中一种抗生素的效力，可能需要更高的剂量才能达到预期效果，而这增加的剂量本身可能给患者带来毒理学风险。这可能成为一个限制因素，尤其是对于那些副作用严重、增加剂量就可能高度有毒的药物。对于患有基础疾病、药物代谢能力受限的患者，更高的给药剂量也可能不可行。抑制性治疗的优势在于，它可以通过利用单药耐药突变的多效性来限制细菌耐药性的进化。由于抑制会降低另一种抗生素的效力，因此对抑制药耐药的菌株在联合用药时，会比对抗生素敏感的变异体承受来自被抑制抗生素的更猛烈打击（图3）。抑制现象很常见，尤其是在抑菌药与代谢依赖的杀菌药之间。尽管药物的实际效果取决于所治疗的物种、氧耗竭情况以及所用浓度，但这些分类仍可作为寻找针对耐药感染的抑制组合的初步指引。虽然抑制通常是非互惠的——一种抗生素抑制另一种，反之则不成立——但相互作用也可以是互惠的。互惠抑制是指配对中的两种抗生素相互抑制对方的效果，这可以通过增加对任一单一抗生素耐药病原体的长期清除而带来更大的益处。抑制不仅存在于两药组合中，也存在于三药相互作用中。使用三种药物会显著增加可用相互作用的数量，从而增加发现抑制性相互作用的机会。然而，绝大多数被发现的三种药物组合并非对单药治疗起抑制作用，而是对所使用抗生素的两两组合起抑制作用（这被称为“隐藏”抑制）。这在考虑针对三药组合中两药耐药菌株的抑制治疗时可能很有用。超过三种药物的相互作用主要依靠数学建模来预测治疗效果，因为随着给定组合中抗生素数量的增加，组合数量呈平方级增长。对抗生素敏感的肠道微生物群是胃肠系统的重要组成部分，抑制性治疗也有助于保护其功能和完整性。健康的肠道菌群通过辅助宿主消化、刺激并调节免疫系统、防止致病菌生长，发挥着多项重要功能。抗生素和非抗菌治疗都可能扰乱肠道共生菌，降低物种总体多样性，增加感染病原体定植的易感性。不过，已有研究表明，某些广谱抗生素治疗对肠道共生菌的附带损伤，可以被托芬那酸等药物减轻——它能特异性地抑制抗生素对拟杆菌属的作用，而不影响对病原菌的作用。抑制性治疗还可以通过在治疗中联合使用抑制伙伴，帮助阻止现有但稀有的耐药机制向新开发的或关键重要的抗微生物药物传播，从而维持耐药性的稀缺性。类似地，抑制性治疗有助于保留那些在治疗严重疾病中不可或缺的广谱抗生素——这一点在结核病的治疗方案中已有体现。世界卫生组织与国际防痨和肺病联盟推荐利福平联合治疗，以保留药物效力并应对耐药突变。柱状图比较了耐橙色抗生素菌株（橙）与敏感菌株（灰）在单药及不同互作组合治疗下的存活情况。在单药治疗中，两种抗生素均以不同速率降低敏感菌株存活。在抑制性组合治疗中，敏感菌株受蓝色抗生素影响较小，但耐橙色菌株承受蓝色抗生素不受阻碍的作用，使敏感细菌获得竞争优势。在协同组合治疗中，敏感菌株存活较单药作用大幅降低，但耐橙色抗生素菌株仅承受蓝色抗生素的作用，使单耐药菌株有可能胜过敏感菌株。抑制组合：两种药一起吃效果反而比单用一种差。表面看是坏事，但有一个特殊用途：如果细菌对其中那个“拖后腿”的药产生耐药，这个药就失效了，另一个药反而能全力发挥，把耐药菌打得更狠。这种组合还能保护肠道好菌，但不适合急重症。三、协同（Synergy）当一种或多种抗生素增强另一种的效果，使联合用药的效果超过各自效果的简单相加时，就发生了协同作用（图3、图4）。一个经典例子是2001年最畅销的药物奥格门汀，它由β-内酰胺类抗生素阿莫西林和β-内酰胺酶抑制剂克拉维酸组成，专门针对产β-内酰胺酶的耐药菌株。这种相互作用表面上看起来最为有利——然而，它并非没有复杂性和缺点。由于协同效应依赖于一种药物放大另一种药物的效果，一旦菌株对组合中的任何一种药物产生耐药性，整个治疗方案的效力就会大打折扣（图3）。尽管细菌对抗生素组合产生耐药的速度通常慢于单药治疗，但细菌适应多药治疗的速率与组合中各药物之间的协同程度密切相关。正因为协同依赖于药物效果的相互增强，即使是微小的单药耐药突变，也可能导致细菌对协同治疗表现出大幅度的敏感性下降，从而带来更大的生存优势，进一步推动对两种抗生素同时耐药的出现。协同作用被单药耐药进化所抵消，还可能通过增加环境中多重耐药菌的流行，带来群体层面的风险。此外，由于协同作用会增强对敏感细菌的杀伤效果，它也会影响肠道菌群，与单药治疗相比，可能加重抗生素组合带来的不良副作用。大多数临床前筛选的目标是发现协同组合——然而，这些研究大多通过测量生长抑制而非清除效力来进行。由于组合治疗对生长抑制和清除效力的影响未必一致，基于生长抑制认定为协同的组合，在实际应用中可能并不具备协同效果（图4）。事实上，它们甚至可能表现为抑制——这意味着治疗的效力，以及随之而来的耐药菌与敏感菌突变体的选择优势，可能与预期结果完全相反。尽管存在上述局限，协同组合仍可用于降低治疗所需抗生素的剂量，这对于即使微量使用也可能对患者产生毒性的抗生素（如环丙沙星与粘菌素联用）尤为重要。这一特性可能具有重要意义，因为它可以拓宽因基础疾病或对某些抗生素不耐受而导致毒性风险增加的患者的可用药物范围。此外，在考虑感染的最佳治疗方案时，协同组合也绝不能被忽视。谨慎使用的协同组合，可以成为快速清除严重感染的宝贵工具。在这种情况下，协同组合能够缩短治疗时间、加速结核病患者的康复。此外，有证据表明协同药物组合可以有效根除生物膜相关的感染。例如，在金黄色葡萄球菌和表皮葡萄球菌中，一种名为anprocide的甾体胺类药物对这些物种的生物膜有效，并与杆菌肽和苯唑西林表现出协同活性。在铜绿假单胞菌中，异帕米星与磷霉素的联合治疗成功对抗了生物膜感染——即使在大鼠模型中也取得了效果，而单独使用这两种药物均不足以在体内模型中缓解感染。已有数学模型被提出，用于在耐药进化和治疗效力之间寻找平衡，旨在定位药物相互作用与耐药出现之间的最佳点。该模型还描述了一个“协同天花板”——超过这一限度，额外的协同作用不再为治疗提供任何益处，却仍然会增加耐药菌的流行。这类数学模型在为患者寻找最优协同治疗方案时，可以成为有力的辅助工具。典型棋盘法由两种抗生素的浓度梯度构成，两轴浓度递增。图中蓝色与橙色抗生素（蓝片与橙片）呈现在棋盘法上，蓝色沿x轴递增，橙色沿y轴递增。随浓度升高，细菌生长受抑，以灰色圆点变暗表示，形成抑制前沿（细菌停止生长）。该抑制前沿呈双曲线形（红色虚线），较预期加和效应（灰色虚线）提示协同组合。然而，在预定治疗时间后检测受抑孔中的清除效力（右上柱状图）发现，接受最大剂量抗生素及其组合时细菌存活却表现为抑制互作——与生长抑制数据预期的效果截然相反。协同组合：两种药一起吃效果1+1>2，杀菌快、可减少毒性，适合重症和对付生物膜。但风险也大：一旦细菌对其中任何一种药产生耐药，整个组合就报废，而且因为协同放大了药效，细菌只要稍微耐药就能获得巨大优势，反而更容易催生超级耐药菌。四、结论（Conclusion）在本综述中，我们概述了耐药性的多效性对多药治疗效力可能产生的影响。目前的认识表明，抗生素之间的相互作用——以及由此衍生的联合治疗——应被视为应对细菌感染的多功能工具箱，每种相互作用类型都有其合理的应用场景，取决于具体的治疗目标。在药物相互作用的复杂格局中，协同与抑制组合很容易与交互敏感性或交叉耐药相互重叠。这可能导致多层次的作用：例如，与协同重叠的交互敏感性反应，可能通过限制耐